బి ప్రభ, ఎ ప్రకాష్, జి నాగరాజన్, జె శాంసన్ ఐజాక్, రంజన్ వాలియా మరియు బూపతి కె
వాయిస్ సముపార్జన, వివరణ, సంశ్లేషణ మరియు లింగ గుర్తింపు కోసం ఒక వేదిక వ్యాసంలో చర్చించబడింది. సాంప్రదాయకంగా స్త్రీలింగ సూచన మోడల్ రెండు భాగాలుగా విభజించబడింది: ముందు మరియు అలాగే వెనుక-ముగింపు. ఫ్రంట్-ఎండ్ సాఫ్ట్వేర్ యొక్క పని ఫ్రీక్వెన్సీ డొమైన్ నుండి జాతి పరిజ్ఞానాన్ని తిరిగి పొందడం మరియు కొలతల అభివృద్ధి వాతావరణాన్ని ఉపయోగించి దానిని వర్గీకరించడం. ప్రెజెంటర్ సమాచారం పవర్ స్పెక్ట్రమ్ సాంద్రత మరియు గరిష్ట అవుట్పుట్ వద్ద పౌనఃపున్యాల వంటి లక్షణాల ద్వారా అందించబడుతుంది. ఫ్రీక్వెన్సీని తొలగించడానికి ఫస్ట్ ఫోరియర్ ట్రాన్స్ఫార్మ్ ఇన్ఫ్రారెడ్ (FFT) ఫిల్టర్ ఉపయోగించబడుతుంది. అంచనాలు మరియు ప్రోత్సాహంలో, బ్యాక్-ఎండ్ అల్గారిథమ్ (ప్రిడిక్టర్ అని కూడా పిలుస్తారు) దాని స్పీకర్ వాయిస్ అవుట్పుట్ నుండి లింగాన్ని అంచనా వేయడానికి తప్పనిసరిగా లైంగిక గుర్తింపు విధానాన్ని రూపొందించాలి. పది మంది వ్యక్తుల నుండి సేకరించిన మాడ్యులేషన్ స్కీమ్ల ("A" మరియు "B" అని ఉచ్ఛరిస్తారు) ద్వారా సేవలు నిర్వహించబడుతున్నాయని కూడా ఈ కథనం చూపిస్తుంది, వారిలో ఐదుగురు పురుషులు అయితే ఇతరులు స్త్రీ. సిగ్నల్ యొక్క ఉజ్జాయింపుని అందించే శక్తి వర్ణపటం పరిశోధించబడుతుంది. గ్రేటెస్ట్ ర్యాంక్లో ఉన్న ఇంగ్లీష్ ఫోనోలాజికల్ వంటి వాటి తరంగదైర్ఘ్యం లెక్కించబడిన ఫ్రీక్వెన్సీ డొమైన్ నుండి తీసుకోబడింది. గుర్తించే సాధనంగా, సిస్టమ్ ఇమేజ్ సెగ్మెంటేషన్ను ఉపయోగిస్తుంది. సాధారణంగా, ఈ ప్లాట్ఫారమ్ యొక్క ఖచ్చితత్వం పనితీరు ఎనభై శాతం.